Statistika parametrik digunakan untuk melakukan inferensi terhadap rata-rata populasi, membandingkan dua rata-rata populasi, dan menganalisis hubungan antar variabel menggunakan korelasi dan regresi. Metode ini meliputi penggunaan uji-z, uji-t, uji-F, dan analisis regresi linier untuk memodelkan hubungan antara variabel tergantung dan bebas.
Dokumen tersebut membahas tentang regresi linier sederhana, termasuk definisi, contoh perhitungan nilai a dan b, persamaan regresi, koefisien determinasi, dan selisih taksir standar."
Analisa Korelasi Ganda memberikan ringkasan tentang:
1. Korelasi ganda antara dosis pupuk NPK, jumlah pemupukan, dan berat tongkol jagung.
2. Terdapat hubungan yang signifikan antara ketiga variabel tersebut.
3. Koefisien korelasi ganda sangat kuat sebesar 0,87.
1. Dokumen membahas distribusi bentuk kuadrat dan distribusi multivariate normal.
2. Terdapat teorema yang menyatakan bahwa jumlah kuadrat dari variabel normal akan mengikuti distribusi chi-square noncentral.
3. Jika vektor acak memiliki distribusi normal multivariate, maka transformasi linier dari vektor tersebut juga akan berdistribusi normal multivariate.
Dokumen tersebut membahas tentang analisis korelasi untuk menguji hubungan antar variabel, termasuk definisi koefisien korelasi, pola hubungan positif dan negatif, interpretasi nilai koefisien korelasi, teknik korelasi parametrik seperti product moment dan korelasi ganda, serta teknik nonparametrik seperti koefisien kontingensi, korelasi spearman rank, dan korelasi kendall tau.
Statistika parametrik digunakan untuk melakukan inferensi terhadap rata-rata populasi, membandingkan dua rata-rata populasi, dan menganalisis hubungan antar variabel menggunakan korelasi dan regresi. Metode ini meliputi penggunaan uji-z, uji-t, uji-F, dan analisis regresi linier untuk memodelkan hubungan antara variabel tergantung dan bebas.
Dokumen tersebut membahas tentang regresi linier sederhana, termasuk definisi, contoh perhitungan nilai a dan b, persamaan regresi, koefisien determinasi, dan selisih taksir standar."
Analisa Korelasi Ganda memberikan ringkasan tentang:
1. Korelasi ganda antara dosis pupuk NPK, jumlah pemupukan, dan berat tongkol jagung.
2. Terdapat hubungan yang signifikan antara ketiga variabel tersebut.
3. Koefisien korelasi ganda sangat kuat sebesar 0,87.
1. Dokumen membahas distribusi bentuk kuadrat dan distribusi multivariate normal.
2. Terdapat teorema yang menyatakan bahwa jumlah kuadrat dari variabel normal akan mengikuti distribusi chi-square noncentral.
3. Jika vektor acak memiliki distribusi normal multivariate, maka transformasi linier dari vektor tersebut juga akan berdistribusi normal multivariate.
Dokumen tersebut membahas tentang analisis korelasi untuk menguji hubungan antar variabel, termasuk definisi koefisien korelasi, pola hubungan positif dan negatif, interpretasi nilai koefisien korelasi, teknik korelasi parametrik seperti product moment dan korelasi ganda, serta teknik nonparametrik seperti koefisien kontingensi, korelasi spearman rank, dan korelasi kendall tau.
Dokumen tersebut membahas analisis hubungan antara pertumbuhan Produk Domestik Bruto (GNP) dengan angka kelahiran menggunakan regresi linier tunggal. Data mengenai angka kelahiran dan pertumbuhan GNP 12 negara digunakan untuk menguji asumsi-asumsi model regresi dan menganalisis hasilnya.
Dokumen tersebut membahas analisis regresi untuk mempelajari hubungan antara jarak tanam kelapa sawit dengan pertumbuhan tanaman. Data dikumpulkan dari 12 tanaman dan ditunjukkan ada pengaruh signifikan antara jarak tanam dan pertumbuhan, dengan prediksi pertumbuhan 6,09 meter pada jarak 9,2 meter. Saran untuk penanaman dengan jarak yang sama atau meminimalkan perbedaan jarak.
Dokumen tersebut membahas analisis regresi dan korelasi dengan variabel dummy satu kategori untuk memprediksi pengeluaran harian mahasiswa dan mahasiswi berdasarkan jenis kelamin. Metode analisis yang digunakan adalah regresi linier tunggal dan uji F untuk mengetahui pengaruh jenis kelamin terhadap pengeluaran. Hasilnya menunjukkan pengaruh signifikan antara jenis kelamin dengan pengeluaran.
Teks tersebut menjelaskan tentang Rancangan Acak Lengkap (RAL) yang merupakan salah satu rancangan penelitian eksperimen. RAL memiliki satu variabel bebas (perlakuan) yang mempengaruhi variabel tergantung (hasil penelitian). Teks tersebut juga menjelaskan model matematis RAL beserta contoh penerapannya untuk menguji pengaruh lama desinfeksi terhadap jumlah bakteri E. coli.
Regresi linier adalah metode analisis untuk memprediksi hubungan antara variabel terikat dan bebas dengan menggunakan persamaan garis. Persamaan regresi linier menggunakan koefisien a dan b untuk memodelkan hubungan antara variabel X dan Y, dan dapat digunakan untuk memprediksi nilai Y berdasarkan nilai X. Selisih taksir standar mengukur ketepatan model regresi.
Analisis Korelasi dan Regresi SederhanaAgung Anggoro
Dokumen tersebut membahas analisis korelasi dan regresi sederhana. Ia menjelaskan konsep korelasi Pearson dan koefisien korelasi untuk mengukur hubungan antara dua variabel, serta rumus dan asumsi analisis regresi linier untuk memodelkan hubungan antara variabel tergantung dan bebas. Contoh kasus yang diberikan melibatkan analisis korelasi dan regresi antara promosi dan penjualan produk.
Dokumen tersebut membahas tentang analisis regresi dan korelasi linier, termasuk pengertian, rumus, dan contohnya. Dibahas pula tentang hubungan positif, negatif, dan kuat lemahnya suatu korelasi."
Dokumen tersebut membahas tentang pengujian t student dan regresi linear. Pengujian t student digunakan untuk membandingkan rata-rata dua sampel kecil dengan ragam tidak diketahui. Regresi linear digunakan untuk memodelkan hubungan antara variabel bebas dan tergantung berdasarkan metode kuadrat terkecil.
Dokumen tersebut membahas analisis hubungan antara pertumbuhan Produk Domestik Bruto (GNP) dengan angka kelahiran menggunakan regresi linier tunggal. Data mengenai angka kelahiran dan pertumbuhan GNP 12 negara digunakan untuk menguji asumsi-asumsi model regresi dan menganalisis hasilnya.
Dokumen tersebut membahas analisis regresi untuk mempelajari hubungan antara jarak tanam kelapa sawit dengan pertumbuhan tanaman. Data dikumpulkan dari 12 tanaman dan ditunjukkan ada pengaruh signifikan antara jarak tanam dan pertumbuhan, dengan prediksi pertumbuhan 6,09 meter pada jarak 9,2 meter. Saran untuk penanaman dengan jarak yang sama atau meminimalkan perbedaan jarak.
Dokumen tersebut membahas analisis regresi dan korelasi dengan variabel dummy satu kategori untuk memprediksi pengeluaran harian mahasiswa dan mahasiswi berdasarkan jenis kelamin. Metode analisis yang digunakan adalah regresi linier tunggal dan uji F untuk mengetahui pengaruh jenis kelamin terhadap pengeluaran. Hasilnya menunjukkan pengaruh signifikan antara jenis kelamin dengan pengeluaran.
Teks tersebut menjelaskan tentang Rancangan Acak Lengkap (RAL) yang merupakan salah satu rancangan penelitian eksperimen. RAL memiliki satu variabel bebas (perlakuan) yang mempengaruhi variabel tergantung (hasil penelitian). Teks tersebut juga menjelaskan model matematis RAL beserta contoh penerapannya untuk menguji pengaruh lama desinfeksi terhadap jumlah bakteri E. coli.
Regresi linier adalah metode analisis untuk memprediksi hubungan antara variabel terikat dan bebas dengan menggunakan persamaan garis. Persamaan regresi linier menggunakan koefisien a dan b untuk memodelkan hubungan antara variabel X dan Y, dan dapat digunakan untuk memprediksi nilai Y berdasarkan nilai X. Selisih taksir standar mengukur ketepatan model regresi.
Analisis Korelasi dan Regresi SederhanaAgung Anggoro
Dokumen tersebut membahas analisis korelasi dan regresi sederhana. Ia menjelaskan konsep korelasi Pearson dan koefisien korelasi untuk mengukur hubungan antara dua variabel, serta rumus dan asumsi analisis regresi linier untuk memodelkan hubungan antara variabel tergantung dan bebas. Contoh kasus yang diberikan melibatkan analisis korelasi dan regresi antara promosi dan penjualan produk.
Dokumen tersebut membahas tentang analisis regresi dan korelasi linier, termasuk pengertian, rumus, dan contohnya. Dibahas pula tentang hubungan positif, negatif, dan kuat lemahnya suatu korelasi."
Dokumen tersebut membahas tentang pengujian t student dan regresi linear. Pengujian t student digunakan untuk membandingkan rata-rata dua sampel kecil dengan ragam tidak diketahui. Regresi linear digunakan untuk memodelkan hubungan antara variabel bebas dan tergantung berdasarkan metode kuadrat terkecil.
Dokumen tersebut membahas analisis regresi dan korelasi sederhana, termasuk definisi, model persamaan, dan uji hipotesis untuk kedua analisis tersebut. Analisis regresi digunakan untuk mengetahui pengaruh satu atau lebih variabel bebas terhadap variabel tidak bebas, sedangkan analisis korelasi untuk mengetahui kekuatan hubungan antar variabel. Keduanya melibatkan penentuan koefisien dan uji signifikansi melalui statistik uji t
Ringkasan dokumen tersebut adalah:
Model regresi linier berganda melibatkan lebih dari satu variabel bebas untuk memprediksi variabel terikat berdasarkan koefisien regresi yang diestimasi.
Dokumen menjelaskan uji-t untuk membandingkan rata-rata dua kelompok data, baik dari satu kelompok sampel pada waktu yang berbeda maupun dari dua kelompok sampel pada waktu yang sama. Uji ini digunakan untuk menguji hipotesis apakah rata-rata kedua kelompok sama atau berbeda dengan membandingkan nilai statistik t hitung dan t tabel.
ANALISIS REGRESI LINIER BERGANDA DAN PENGUJIAN ASUMSI RESIDUALArning Susilawati
ANALISIS REGRESI LINIER BERGANDA DAN PENGUJIAN ASUMSI RESIDUAL PADA DATA JUMLAH PERMINTAAN AIR BERSIH TERHADAP PENDAPATAN TOTAL KELUARGA, JUMLAH TANGGUNGAN KELUARGA, DAN PENGELUARAN ENERGI
Dokumen tersebut membahas metode-metode parametrik untuk melakukan inferensi statistika, seperti inferensi terhadap rata-rata populasi menggunakan z test dan t test, inferensi terhadap dua rata-rata populasi, serta analisis regresi dan korelasi untuk mengetahui hubungan antar variabel. Juga dibahas mengenai model matematika yang digunakan dalam analisis regresi seperti garis linier, kurva, dan metode untuk menentukan ko
Dokumen tersebut membahas tentang uji validitas dan reliabilitas instrumen penelitian. Secara singkat, uji validitas digunakan untuk mengetahui sejauh mana instrumen mampu mengukur apa yang dimaksudkan, sedangkan uji reliabilitas bertujuan untuk mengetahui seberapa konsisten instrumen dapat menghasilkan data. Dokumen ini juga menjelaskan beberapa rumus dan pedoman untuk melakukan uji validitas, reliabilitas, serta anal
Analisis regresi dan korelasi digunakan untuk mempelajari hubungan antara dua variabel atau lebih. Korelasi digunakan untuk mengukur kekuatan hubungan sementara regresi digunakan untuk memodelkan dan memprediksi hubungan tersebut. Metode kuadrat terkecil digunakan untuk menentukan model regresi terbaik berdasarkan minimisasi galat kuadrat.
Materi kuliah Statistik Industri dengan topik Regresi Linear sederhana
Pembentukan model disertai pengujian terhadap model, koefisien, serta asumsi-asumsi
Analisis regresi digunakan untuk memodelkan hubungan antara variabel dependen dan independen secara matematis. Terdapat dua jenis regresi: linier sederhana (satu variabel independen) dan linier berganda (lebih dari satu variabel independen). Langkah-langkahnya meliputi merumuskan model, mengestimasi parameter, menguji signifikansi model, dan memeriksa asumsi residual.
1. PRAKTIKUM 3
ANALISIS REGRESI SEDERHANA
1. MINGGU KE : 6
2. PERALATAN : LCD
3. SOFTWARE : SPSS
4. TUJUAN :
Mahasiswa dapat menentukan model regresi sederhana, serta mampu melakukan
pengujian hipotesis untuk menguji keberartian dari model regresi yang diperoleh, selain itu
mahasiswa juga dapat menginterpretasikan hasil output dari analisis regresi sederhana.
5. TEORI PENGANTAR
Analisis regresi dipergunakan untuk mempelajari hubungan antara dua variabel atau
lebih, yang menjadi fokus adalah untuk menelusuri pola hubungan tersebut yang modelnya
belum diketahui dengan sempurna, atau untuk mengetahui bagaimana variasi dari beberapa
variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang kompleks.
Apabila X1, X2, … , Xi adalah variabel-variabel independen dan Y adalah variabel dependen,
maka terdapat hubungan fungsional antara X dan Y, di mana variasi dari X akan diiringi pula
oleh variasi dari Y. Secara matematika hubungan di atas dapat dijabarkan sebagai berikut: Y
= f(X1, X2, …, Xi, e), di mana : Y adalah variabel dependen, X adalah variabel independen
dan e adalah variabel residu (disturbance term).
KOEFISIEN REGRESI SEDERHANA
Regresi sederhana, bertujuan untuk mempelajari hubungan antara dua variabel.
Model regresi sederhana adalah model regresi dengan satu variabel tak bebas dan satu
variabel bebas.
Model regresi sederhana untuk populasi :
Y = α + βX + ε
dengan, Y adalah variabel tak bebas, X adalah variabel bebas, α adalah intersep (perpotongan
garis dengan sumbu Y), β adalah koefisien regresi untuk variabel bebas, dan ε adalah
galat/error, diasumsikan berdistribusi normal dengan rata-rata 0 dan varians σ2.
Model regresi sederhana untuk sampel :
y = a + bX + ε
ˆ
2. ˆ
di mana, y adalah variabel tak bebas, X adalah variabel bebas, a adalah penduga bagi intersep
(α), b adalah penduga bagi koefisien regresi (β), dan α, β adalah parameter yang nilainya
tidak diketahui sehingga diduga menggunakan statistik sampel.
Rumus yang dapat digunakan untuk mencari a dan b adalah:
a=
∑Y − b∑ X = Y − bX
.N .
N .( ∑ X Y ) − ∑ X ∑Y
b=
.N .∑ X 2 − ( ∑ X )
2
Keterangan:
Xi = Rata-rata skor variabel X
Yi = Rata-rata skor variabel Y
UJI KEBERARTIAN PARSIAL PARAMETER REGRESI (UJI KEBERARTIAN INTERSEP)
Pemeriksaan keberartian parsial parameter regresi dilakukan melalui pengujian
hipotesis nol, bahwa intersep a sama dengan nol (tidak berarti) melawan hipotesis tandingan
bahwa intersep tidak sama dengan nol.
Pengujian hipotesis uintuk menguji apakah intersep yang diperoleh signifikan
digunakan uji t.
Perumusan hipotesis :
Ho : α = 0 : Intersep untuk model regresi sederhana tersebut tidak signifikan.
H1 : α ≠ 0 : Intersep untuk model regresi sederhana tersebut signifikan.
dengan uji statistik :
a −α
t hit =
sb
dengan: sb =
se SSE (∑ X ) 2
SS x
, se = , SS x = ∑ X − 2
n −2 n
SSE = ∑( y − y ) = ∑y 2 − a ∑y − b ∑xy
2
ˆ
Pengambilan keputusan menggunakan angka pembanding t tabel dengan kriteria
sebagai berikut:
t tabel = t α
, n −2
2
3. o Jika t hitung < −t tabel atau t hitung > t tabel , maka H0 ditolak; H1 diterima
o Jika − t tabel ≤ t hitung ≤ t tabel , maka H0 diterima; H1 ditolak
Untuk pengujian dalam SPSS digunakan kriteria sebagai berikut:
o Jika angka signifikansi hasil riset < α, maka nilai intersep untuk model regresi
sederhana tersebut berarti, atau H0 ditolak; H1 diterima.
o Jika angka signifikansi hasil riset > α, maka nilai intersep untuk model regresi
sederhana tersebut tidak berarti, atau H0 diterima; H1 ditolak.
UJI KEBERARTIAN PARSIAL PARAMETER REGRESI (UJI KEBERARTIAN KOEFISIEN
REGRESI)
Pemeriksaan keberartian parsial parameter regresi dilakukan melalui pengujian
hipotesis nol, bahwa koefisien regresi b sama dengan nol (tidak berarti) melawan hipotesis
tandingan bahwa koefisien arah regresi tidak sama dengan nol.
Pengujian hipotesis uintuk menguji apakah koefisien regresi yang diperoleh
signifikan digunakan uji t.
Perumusan hipotesis :
Ho : β = 0 : Koefisien regresi untuk model regresi sederhana tersebut tidak signifikan.
H1 : β ≠ 0 : Koefisien regresi untuk model regresi sederhana tersebut signifikan.
dengan uji statistik :
b−β
t hit =
sb
dengan: sb =
se SSE (∑ X ) 2
SS x
, se = , SS x = ∑ X − 2
n −2 n
SSE = ∑( y − y ) = ∑y 2 − a ∑y − b ∑xy
2
ˆ
Pengambilan keputusan menggunakan angka pembanding t tabel dengan kriteria
sebagai berikut:
t tabel = t α
, n −2
2
o Jika t hitung < −t tabel atau t hitung > t tabel , maka H0 ditolak; H1 diterima
o Jika − t tabel ≤ t hitung ≤ t tabel , maka H0 diterima; H1 ditolak
Untuk pengujian dalam SPSS digunakan kriteria sebagai berikut:
4. o Jika angka signifikansi hasil riset < α, maka nilai koefisien regresi untuk model regresi
sederhana tersebut berarti, atau H0 ditolak; H1 diterima.
o Jika angka signifikansi hasil riset > α, maka nilai koefisien regresi untuk model regresi
sederhana tersebut tidak berarti, atau H0 diterima; H1 ditolak.
UJI KEBERARTIAN MODEL REGRESI
Pemeriksaan keberartian model regresi dilakukan melalui pengujian hipotesis nol,
bahwa intersep serta koefisien regresi sama dengan nol melawan hipotesis tandingan bahwa
intersep serta koefisien regresi tidak sama dengan nol.
Pengujian keberartian model regresi dilakukan dengan menggunakan pendekatan
analisis variansi (ANOVA) yaitu dengan menguraikan komponen-komponen total keragaman
dari variabel terikat.
Langkah-langkah uji keberartian model regresi dapat disederhanakan dalam sebuah
tabel anova sebagai berikut :
Tabel 1
Analisis of Varians
Sumber Variasi df SS MS Fhitung Ftabel
Intersep 1 SSI SSI
MSI =
1
Regresi 1 SSR SSR MSR F(α, 1, n −2 )
MSR = Fhit =
1 MSE
Residual n-2 SSE SSE
MSE =
n −2
Total n SST SST
MST =
n
Keterangan:
( ∑Y ) 2
SSI =
n
SSR = b.∑XY −
∑X .∑Y
n
5. Y 2 − ( ∑Y )
2
SST = ∑
n
SSE = SST − SSR
Pengujian hipotesis uintuk menguji apakah koefisien regresi yang diperoleh
signifikan digunakan uji F.
Perumusan hipotesis :
Ho : Β = 0 : Model regresi tidak bearti.
H1 : Β ≠ 0 : Model regresi berarti.
Β = [α, β]
dengan uji statistik :
MSR
Fhit =
MSE
Pengambilan keputusan menggunakan angka pembanding F tabel dengan kriteria
sebagai berikut:
Ftabel = F(α,1, n −2 )
o Jika Fhitung ≥ Ftabel , maka H0 ditolak; H1 diterima
o Jika Fhitung < Ftabel , maka H0 diterima; H1 ditolak
Untuk pengujian dalam SPSS digunakan kriteria sebagai berikut:
o Jika angka signifikansi hasil riset < α, maka model regresi yang diperoleh berarti, atau
H0 ditolak; H1 diterima.
o Jika angka signifikansi hasil riset > α, maka model regresi yang diperoleh tidak
berarti, atau H0 diterima; H1 ditolak.
6. LANGKAH KERJA
Contoh kasus, seorang peneliti ingin mengetahui pola hubungan fungsional antara
intensitas belajar (diukur dari lamanya belajar dalam 1 minggu) dengan prestasi mata kuliah
statistika dasar (diukur dari nilai ujian akhir semester). Data yang diperoleh sebanyak 32 data
sebagai berikut:
Intensitas Intensitas
Mahasiswa belajar Nilai Mahasiswa belajar Nilai
ke- (jam/minggu UAS ke- (jam/minggu UAS
) )
1 6 65 17 16 90
6. Intensitas Intensitas
Mahasiswa belajar Nilai Mahasiswa belajar Nilai
ke- (jam/minggu UAS ke- (jam/minggu UAS
) )
2 12 66 18 11 76
3 11 77 19 15 75
4 10 68 20 7 65
5 9 54 21 6 54
6 6 44 22 7 60
7 8 67 23 13 77
8 8 66 24 9 62
9 6 65 25 12 76
10 5 50 26 6 67
11 7 56 27 14 85
12 8 70 28 12 70
13 6 55 29 13 70
14 10 78 30 15 75
15 12 80 31 16 88
16 14 78 32 18 95
Langkah-langkah Pengolahan Data Menggunakan SPSS versi 18
(1). Masukkan data di atas ke dalam Program SPSS dengan nama variabel Belajar, dan
Prestasi. Simpan data itu dengan nama latih_regsdh.
(2). Klik menu utama Analyze | Regression | Linear:
(3). Klik variabel Prestasi dan masukkan ke kotak Dependent.
(4). Selanjutnya klik variabel Belajar dan masukkan ke kotak Independent(s).
(5). Apabila kasus penelitian yang dilakukan didasarkan pada variabel lain, maka variabel
tersebut dimasukkan ke dalam kotak Case Labels. Apabila tidak penelitian yang
dilakukan tidak didasarkan pada variabel lain, kotak Case Labels dikosongkan.
(6). Untuk keseragaman, pada kotak Method, pilihlah tipe Enter (semua variabel dalam
blok dimasukkan dalam perhitungan ‘single step.’)
(7). Selanjutnya klik tombol Options :
Pengisian pada Option :
o Untuk Stepping Method Criteria, digunakan uji F dengan standar probabilitas 5%.
Oleh karena itu, angka Entry .05 untuk pilihan 5%. Apabila peneliti mempunyai
standar probabilitas lain misalnya α, maka angka Entry diisi sesuai nilai α yang
dipilih.
o Karena ingin tetap mengikutkan konstanta, maka Include constant in equation
tetap dipilih.
7. o Klik Continue untuk meneruskan langkah.
(8). Pilih kolom Statistics dengan mengklik pilihan tersebut.
(9). Klik Estimates, Descriptive dan Model fit.
(10). Pada kolom Residuals, klik pada Casewise diagnostics, dan dari situ dipilih all cases
untuk melihat pengaruh regresi terhadap keseluruhan. Kemudian klik Continue.
(11). Pilih Plots untuk melihat grafik untuk regresi.
(12). Klik pilihan SDRESID dan masukkan ke pilihan Y. Klik pilihan ZPRED dan masukkan
ke pilihan X. Setelah kedua variabel X dan Y terisi, klik tombol Next untuk melanjutkan
pengisian plot kedua.
(13). Tampak variabel Y dan X kosong kembali. Sekarang klik pilihan ZPRED dan
masukkan ke Y dan klik pilihan DEPENDENT masukkan ke pilihan X.
(14). Untuk plot ketiga, pilihlah Standardized Residual Plots, kliklah pada Normal
Probability Test.
(15). Selanjutnya klik Continue
(16). Klik OK.
(17). Hasil pengolahan data akan muncul pada Output Navigator.
7. TUGAS
Berdasarkan data rekapitulasi hasil penelitian, dimana seorang peneliti ingin
mengetahui pola hubungan antara prestasi kerja dengan gaya kepemimpinan, dan prestasi
kerja dengan motivasi kerja. Data yang diperoleh sebanyak 40 data, berikut ini :
No. Kepemimpinan Motivasi Kerja Prestasi Kerja
Resp (X1) (X2) (Y)
1 35 36 34
2 31 34 32
3 40 39 36
4 24 26 24
5 20 25 26
6 39 37 39
7 32 38 37
8 40 35 37
9 32 36 36
10 43 43 40
11 42 40 39
12 37 32 32
13 23 20 25
14 35 43 41
15 41 38 39
16 42 38 39
17 31 33 31
18 36 35 33
9. DAFTAR PUSTAKA
Gujarati, Damodar N. 1988. Basic Econometrics. New York, USA, McGraw-Hill.
Hosmer, David W, and Stanley Lemeshow. 2000. Applied Logistic Regression, New York,
USA, John Wiley & Sons.
http://www.jonathansarwono.info/korelasi/korelasi.htm
http://samianstats.files.wordpress.com/2008/10/korelasional-spss1.pdf
http://guruvalah.20m.com/kasus_penelitian_korelasi.pdf
Nachrowi D. N. And Usman D., 2008, Penggunaan Teknik Ekonometri, Jakarta, PT.
RajaGrafindo Persada
Uyanto, S., S., 2009, Pedoman Analisis Data dengan SPSS, Yogyakarta, Graha Ilmu.
Suharjo, B., 2008, Analisis Regresi Terapan dengan SPSS, Yogyakarta, Graha Ilmu.